MétaCan
Menu
Retour à la cohorte
Enregistrement W4388221078 · doi:10.1097/mou.0000000000001139

Organ storage in renal transplantation

2023· review· en· W4388221078 sur OpenAlexaff
Yanbo Guo, Patrick Luke, Alp Şener

Notice bibliographique

RevueCurrent Opinion in Urology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueOrgan Transplantation Techniques and Outcomes
Établissements canadiensWestern UniversityMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineMachine perfusionIntensive care medicineTransplantationExcellenceKidney transplantationKidneyPerfusionLiver transplantationSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Kidney transplantation is vital for those with end-stage renal disease, enhancing quality of life and longevity. It is the preferred treatment but is hindered by a global disparity between donor kidney availability and demand. Therefore, optimizing organ storage techniques is crucial to mitigate the effects of ischemia reperfusion injury in available organs. Recent interest has centered on innovative methods like oxygenated normothermic perfusion and abdominal regional perfusion. RECENT FINDINGS: Multiple recent metanalyses, including a Cochrane review, confirm the benefits of hypothermic machine perfusion (HMP) for deceased donor kidneys, demonstrating its utility and cost effectiveness. The benefits of oxygenated normothermic perfusion have been seen in retrospective data sets but not in prospective trials. Abdominal regional perfusion (aNRP) is gaining interest, especially for liver transplantation, but kidney specific data are scant. SUMMARY: High-quality evidence backs the use of HMP for deceased donor kidneys. Despite interest in other techniques, clinical evidence for their benefits in kidney transplantation is lacking. The gap between innovation and verified success emphasizes the need for continued research and collaboration between medical professionals, researchers, and ethical committees. This review aims to further illuminate the complexities and advancements in the field, bridging the knowledge gap and aiding in the continual pursuit of excellence in transplantation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,138
Tête enseignante GPT0,439
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in UrologyMême sujetOrgan Transplantation Techniques and OutcomesTravaux en français237 207